Tesis Pregrado

URI permanente para esta colección

https://repositorio.uft.cl/handle/20.500.12254/2375

Examinar

Examinando Tesis Pregrado por Autor "Castillo Barros, Belén"

Mostrando 1 - 1 de 1
  • Miniatura
    Ítem
    Predicción de índices accionarios con Google Trends
    (Universidad Finis Terrae (Chile) Facultad de Economía y Negocios, 2021) Castillo Barros, Belén; Monasterio Pino, Diego; Hardy Hernández, Nicolás prof. guía
    El propósito de este trabajo es evaluar la capacidad predictiva de la herramienta Google Trends sobre los índices accionarios de las economías que componen la OCDE. Por tanto, se analiza cómo las frecuencias de búsqueda de algunas palabras con connotación positiva o negativa pueden predecir retornos accionarios. Para evaluar la capacidad predictiva se utiliza un análisis tanto dentro de muestra como fuera de muestra. La base de datos va desde el año 2010 al 2020. Esta investigación es novedosa pues es el primer intento en utilizar la herramienta de Google Trends para la predicción de índices accionarios. La intuición económica es que las frecuencias de búsqueda de Google Trends pueden funcionar como un proxy del sentimiento de mercado y de las expectativas que tienen los agentes sobre el futuro de la economía y por tanto, podría tener una capacidad predictiva sobre los retornos accionarios. En general, los resultados indican que hay escasa capacidad predictiva, ya que entre los resultados más importantes, de un total de 139 palabras para 9 países de las economías OCDE, el 20.5% son significativas para el estudio dentro de muestra, y 5.5% para fuera de muestra, donde se realizó un total de 46.287 regresiones. Dentro de las implicancias prácticas, puede servir a administradores de riesgos, portfolio de managers, etc. ya que este trabajo aporta a entender los drivers en la capacidad predictiva de retornos.